Публикации |
|
2023 г. – новый этап практического применения CXL, статья |
|
VMware сдвигает акцент в проекте Capitola на CXL, статья |
|
Dell Validated Design for Analytics — Data Lakehouse: интегрированное хранилище данных, статья |
|
OCP Global Summit: решения для Computational Storage и компонуемых масштабируемых архитектур, статья |
|
Samsung CXL MemoryySemantic SSD: 20M IOPs, статья |
|
UCIe – открытый протокол для взаимосвязи чиплетов и построения дезагрегированных инфраструктур, статья |
|
Omni-Path Express – открытый интерконнект для экзафлопных HPC/AI-систем, статья |
|
GigaIO: CDI_решение на базе AMD для высшего образования, статья |
|
Энергоэффективные ЦОД на примерах решений Supermicro, Lenovo, Iceotope, Meta, статья |
|
От хранилищ данных и “озер данных” к open data lakehouse и фабрике данных, статья |
|
EuroHPC JU развивает НРС-экосистему на базе RISC-V, статья |
|
LightOS™ 2.2 – программно-определяемое составное блочное NVMe/TCP хранилище, статья |
|
End-to-end 64G FC NAFA, статья |
|
Computational Storage, статья |
|
Технология KIOXIA Software-Enabled Flash™, статья |
|
Pavilion: 200 млн IOPS на стойку, статья |
|
CXL 2.0: инновации в операциях Load/Store вводаавывода, статья |
|
Тестирование референсной архитектуры Weka AI на базе NVIDIA DGX A100, статья |
|
Fujitsu ETERNUS CS8000 – единая масштабируемая платформа для резервного копирования и архивирования, статья |
|
SmartNIC – новый уровень инфраструктурной обработки, статья |
|
Ethernet SSD, JBOF, EBOF и дезагрегированные хранилища, статья |
|
Compute, Memory и Storage, статья |
|
Lenovo: CXL – будущее серверов с многоуровневой памятью
, статья |
|
Liqid: компонуемые дезагрегированные инфраструктуры для HPC и AI, статья |
|
Intel® Agilex™ FPGA, статья |
|
Weka для AI-трансформации, статья |
|
Cloudera Data Platform – “лучшее из двух миров”, статья |
|
Fujitsu ETERNUS DSP - разработано для будущего, статья |
|
Технологии охлаждения для следующего поколения HPC-решений, статья |
|
Что такое современный HBA?, статья |
|
Fugaku– самый быстрый суперкомпьютер в мире, статья |
|
НРС – эпоха революционных изменений, статья |
|
Новое поколение СХД Fujitsu ETERNUS, статья |
|
Зональное хранение данных, статья |
|
За пределами суперкомпьютеров, статья |
|
Применение Intel® Optane™ DC и Intel® FPGA PAC, статья |
|
Адаптивные HPC/AI-архитектуры для экзаскейл-эры, статья |
|
DAOS: СХД для HPC/BigData/AI приложений в эру экзаскейл_вычислений, статья |
|
IPsec в пост-квантовую эру, статья |
|
LiCO: оркестрация гибридныхНРС/AI/BigData_инфраструктур, статья |
|
Обзоры |
|
Все обзоры в Storage News |
|
Тематические публикации |
|
Flash-память |
|
Облачные вычисления/сервисы |
|
Специализ. СХД для BI-хранилищ, аналитика "больших данных", интеграция данных |
|
Современные СХД |
|
Информационная безопасность (ИБ), борьба с мошенничеством |
|
Рынки |
|
IBM представляет первые облачные сервисы со встроенной аналитикой данных Twitter
19, март 2015
Компании IBM ( NYSE : IBM ) и Twitter ( NYSE : TWTR ) представили первые в отрасли облачные сервисы, которые позволяют бизнес-профессионалам и разработчикам извлекать ценную информацию из данных Twitter. В процессе реализации проекта IBM и Twitter тесно сотрудничали с более чем 100 клиентами, и уже сегодня предоставляют корпоративным заказчикам возможность применять социальные данные для принятия бизнес-решений.
Twitter не похож ни на один другой источник данных в мире, представляя собой глобальную информационную платформу для ведения диалогов на самые разнообразные темы в режиме реального времени.
Для того чтобы использовать Twitter -данные с целью принятия важных решений, бизнес-профессионалы должны делать нечто большее, чем проводить анализ общественного мнения – они должны отличать сигнал от шума. IBM помогает достичь этого, обогащая и анализируя данные Twitter в сочетании с миллионами источников данных из других информационных потоков, таких как прогнозы погоды, продажи, учет товарных запасов. Такой подход позволяет находить важные связи, которые помогают принимать более взвешенные решения.
«Принятие бизнес-решений во многом зависит от внутренних данных, таких как информация о продажах, продвижении и запасах. Теперь, благодаря данным, поступающим из Twitter , отзывы клиентов могут быть с легкостью учитываться в процессе принятия бизнес-решений, – прокомментировал Крис Муди ( ChrisMoody ), вице-президент по стратегии данных в Twitter . – Уникальные возможности, которые предлагает IBM , помогут организациям задействовать эти ценные данные. Мы ожидаем быстрый рост спроса на новые сервисы в сферах розничной торговли, телекоммуникаций и финансовом секторе, а также других отраслях экономики».
Новые облачные аналитические сервисы IBM позволят коммерческим организациям и разработчикам:
Создавать приложения, совместимые с социальными данными: разработчики и предприниматели могут находить, изучать и извлекать обогащенный контент из Twitter , собирая полученную информацию с помощью IBM Insights for Twitter service on Bluemix.
Объединять предиктивную аналитику с данными Twitter : автоматизируя курирование данных, предиктивную аналитику и визуальное повествование; инструменты WatsonAnalytics могут предоставить бизнес-профессионалам возможность незамедлительно встраивать данные Twitter в любой проект с целью определить и объяснить скрытые особенности и связи, необходимые для понимания происходящих и будущих процессов.
Легко интегрировать данные Twitter : благодаря отдельным кластерным конфигурациям BigInsightsonCloud со встроенным доступом к данным Twitter заказчики могут объединять информацию, поступающую из Twitter , с полнофункциональным предложением EnterpriseHadoop - as - a - Service , доступным также на платформе IBMBluemix .
Более чем 4000 сотрудников IBM теперь имеют доступ к данным Twitter и проходят тренинги с целью обогащения данных аналитическими возможностями решений IBM и облачных сервисов.
Компании IBM и Twitter предлагают коммерческим предприятиям непревзойденные возможности для принятия бизнес-решений с помощью комбинирования данных Twitter с аналитическими средствами от IBM с целью извлечения ценной информации. Сотрудничество с более чем 100 клиентами позволило определить три ключевые тенденции:
В условиях глобальной экономики мы все еще остаемся зависимыми от географического положения. Разные регионы могут показывать различный уровень оттока клиентов в одном и том же сегменте рынка с идентичной историей данных.
Большая часть телекоммуникационных и медиакомпаний, которые испытывают отток абонентов, разработали сложные аналитические модели с целью понять и предсказать оборот клиентов. Единственная недостаточно изученная область – влияние погодных и других факторов на события, происходящие в рамках конкретного региона. Объединяя данные Twitter с информацией о погоде, которая непосредственно влияет на перебои в предоставлении услуг, IBM определяет связи между погодными событиями, негативными сообщениями и оттоком клиентов. В свою очередь, помогая анализировать локализованные данные Twitter , объединенные с информацией о погодных условиях, IBM предоставляет возможность значительно улучшить модели заказчиков (в некоторых случаях до 5%), чтобы сократить отток абонентов.
Текучка кадров в сфере розничной торговли напрямую влияет на поведение наиболее лояльных покупателей. Все то, что происходит в четырех стенах предприятия, зачастую становится общественным достоянием благодаря социальным сетям. Закрытые двери остались в прошлом.
Аналитические модели IBM показали, что потребителя ценят (и обсуждают в Twitter ) взаимоотношения и связи, выстроенные с продавцами-консультантами. Особенно это касается сферы общественного питания, где вкусы и предпочтения клиента особенно важны. Как только эти связи пропадают, потребители высказывают свое мнение в Twitter , испытывая чувство потери и недовольства тем, что «нужно все начинать заново».
IBM изучила данные Twitter , а также информацию о лояльных покупателях и финансовые показатели различных магазинов и ресторанов. По результатам исследования было выяснено, что неудовлетворенность текучкой кадров непосредственно влияет на продажи, а наиболее неудовлетворенными себя чувствуют самые лояльные (и ценные) клиенты. В одном из рассматриваемых случаев 3,3% участников программы лояльности, которая объединяет 6 миллионов клиентов, приносили наибольшую прибыль организации и при этом оказывали максимальное влияние на продажи, совершая покупки онлайн каждый день.
Благодаря возможности получения данных об индивидуальных предпочтениях клиентов, Twitter является источником информации о повышении или снижении спроса среди покупателей и предоставляет хорошую картину общемировых трендов.
Производители одежды хотят знать, какие товары и когда выводить на рынок, однако постоянно меняющиеся тренды в сфере розничной торговли и особенности поведения покупателей усложняют задачу и ставят перед предприятиями определенные барьеры. По данным IBM , Twitter являетсяважным индикатором спроса рынке одежды. Используя средства психолингвистического анализа от IBMResearch с целью выявления полного спектра психологических, когнитивных и социальных особенностей клиентов на основе данных Twitter , и объединяя эту информацию с данными о продажах и занимаемой доле рынка, производители могут лучше понимать причины увеличения или спада объема продаж. Они также могут усовершенствовать стратегии продвижения того или иного товара и внести вклад в развитие будущих продуктов.
«Партнерство IBM и Twitter помогает предприятиям анализировать миллиарды случаев взаимодействия между пользователями социальных сетей и принимать более разумные решения, – сказал ГленнФинч( GlennFinch ), руководитель направления BigData & Analytics , IBMGlobalBusinessServices . –Благодаря сочетанию с уникальной экспертизой и извлекаемой ценной информацией, теперь данные Twitter предоставляют возможность трансформировать процессы принятия решений внутри организаций».
Более подробную информацию о сотрудничестве IBM и Twitter можно получить по ссылке www . ibm . com / IBMand Twitter или https :// blog . twitter . com / ibm .
|
|